openmemind/memind

What it solves

Memind 是为解决 AI agent 在不同会话间丢失上下文的问题而设计的记忆与上下文引擎。它将原始数据——例如对话、文档、工具调用——转换为结构化的、进化的记忆，使 AI 系统能够从每一次交互中学习并长期复用经验。

How it works

Memind 通过一个流水线将原始上下文转换为多个层级的记忆：

• Insight Trees: 将原始记忆萃取为 Leaf、Branch 和 Root 洞察的层级结构，以识别模式与高层级理解。
• Memory Graphs: 连接实体、语义链接与因果信号，以找回简单的向量搜索可能遗漏的相关上下文。
• Memory Threads: 将相关项分组为持久的持续时间线，以帮助 agent 追踪未完成的工作并复用任务历史。
• Multi-layer Retrieval: 结合向量搜索、BM25 关键词搜索、时序信号与深度检索（查询扩展与重排序），以召回最相关的上下文。

Who it’s for

它适用于构建需要长期记忆的 AI 系统的开发者，包括：

• Coding agents: 需要项目上下文与工具经验的 agent。
• Personal agents: 需要追踪用户偏好与工作流的 agent。
• Chatbots and companions: 需要维护用户档案与生活事件的 agent。
• Workflow agents: 需要记住指令与剧本的 agent。

Highlights

• SOTA Performance: 在 LoCoMo、LongMemEval 和 PersonaMem 基准测试中排名第 1。
• Java-Native: 首个原生使用 Java 构建的 SOTA 记忆引擎。
• Dual Memory Scopes: 将用户记忆（档案, 偏好）与 agent 记忆（指令, 工具经验）分开。
• Broad Integration: 支持 REST APIs、SDKs (TypeScript, Python, Java, Go, Rust) 以及 Model Context Protocol (MCP)。
• Versatile Ingestion: 可以摄取文本、图像、音频以及 agent 时间线。